A mesterséges intelligencia projektek 80 százaléka megbukik – sokkal rosszabb arány, mint a hagyományos IT-fejlesztéseknél. Kathleen Walch, a Project Management Institute AI-szakértője a Portfolio AI in Business 2026 konferencián döbbenetes adatokkal hozakodott elő. A kudarc fő oka: sokan hagyományos szoftverként kezelik az AI-t, pedig ez végzetes hiba.
Az AI-alkalmazások nem a kódjuk alapján működnek, hanem az adataik alapján – ez a kulcskülönbség. Ráadásul minden MI-projekt más. Egy chatbot, egy prediktív karbantartási rendszer és egy önvezető jármű teljesen eltérő megközelítést igényel. A 2017-ben kidolgozott hét AI-minta keretrendszer épp ezért kategorizálja az alkalmazásokat: társalgástól és emberi interakciótól a felismerésen, prediktív analitikán keresztül az autonóm rendszerekig. A kudarcok gyakori oka a befektetés megtérülésének hiánya. Fontos valós üzleti problémát megoldani, ne csak a technológia kedvéért vezessünk be AI-t.
Walch a Walmart példáját említette, ahol autonóm robotokat helyeztek el készletfelvételezésre. A robotok kamerákkal ellenőrizték a raktárkészletet, de drágák voltak és az autonóm minta nehezen megvalósítható – közel tökéletes működést igényel. A Walmart végül megszüntette a projektet, mert költséges volt és nem oldott meg valós problémát. „Az adat az AI szíve, ami azt jelenti, hogy jó minőségű és megfelelő mennyiségű adatra van szükség” – hangsúlyozta a szakértő. A szervezetek adatainak 80 százaléka strukturálatlan, biztosítani kell a tisztaságot és használhatóságot.
Két figyelmeztetés példa: a Rite Aid arcfelismerő technológiát használt bolti tolvajok azonosítására, de pontatlan volt a rendszer. Öt évre betiltották tőlük az arcfelismerés használatát. Az ImageNet online képtárban pedig a képek öt százaléka hibásan volt címkézve, ami milliónyi kép esetén komoly gondot jelent. Walch szerint ne essünk a proof of concept csapdájába, mert általában semmit sem bizonyít. Mindig pilot projekttel kell dolgozni valós környezetben, olyan emberekkel tesztelve, akik nem építették a rendszert.
Az AI-projektek folyamatosak, nem lehet beállítani és elfelejteni őket. Az adatok állandóan változnak, ezért a modelleket újra kell tanítani. Az Air Canada chatbotja helytelen információt adott egy gyászeset kapcsán, bíróság elé citálták a céget. Az AI 1956 óta létezik – Walch a legrégebbi legújabb technológiának nevezi. Már két AI-telet éltek át, amikor csökkent a befektetések száma és a technológia népszerűsége. Fontos kérdések: miért használunk egyáltalán AI-t, nem ígérünk-e túl sokat, nem próbálunk-e túl sok problémát egyszerre megoldani.
Walch bemutatta a 2018-ban társfejlesztett CPMAI módszertant AI-projektek futtatására és kezelésére. Ez iteratív módszer, amely végigvezeti a felhasználót az AI-életcikluson az adatelőkészítéstől a modellépítésen át a telepítésig és monitorozásig. A következő évek kulcskérdése: a szervezetek megtanulják-e helyesen kezelni AI-projektjeiket, vagy továbbra is pénzt égetnek el kudarcokkal.
